Оптимальная мультицелeвая архитектура управления приводами ПМДП

«Более умные мозги» для электромоторов автомобилей

Электромобили полагаются на компактные, мощные двигатели, которые должны отзываться плавно при каждом нажатии педали акселератора или при подъёме в гору. В этой работе рассматривается более интеллектуальный способ управления одним из самых распространённых типов двигателей в электромобилях с целью сделать приводы плавнее, эффективнее и надёжнее даже при изменении условий эксплуатации или при старении компонентов.

Почему управление двигателем нуждается в обновлении

В современных электромобилях часто применяются синхронные двигатели с постоянными магнитами — они дают высокий момент и КПД в компактном объёме. Однако добиться максимальной производительности таких машин непросто. Традиционные методы управления, такие как классические регуляторы с обратной связью или методы на основе нечёткой логики, испытывают трудности при нелинейном поведении двигателя или при дрейфе его внутренних параметров из‑за температуры, старения или изменяющихся условий движения. Другие подходы, например прямое управление моментом, быстро реагируют, но вызывают большие пульсации момента и тока, что приводит к вибрации, шуму и потерям энергии. По мере распространения электромобилей и необходимости работы на крутых подъёмах, в условиях частых остановок и троганий и при переменных нагрузках, инженерам нужен подход к управлению, который был бы одновременно быстрым и бережным к аппаратной части.

Взгляд внутрь нового метода управления

Авторы опираются на стратегию, известную как модельно‑предиктивное управление, которое работает путём математического предсказания поведения двигателя на короткий промежуток вперёд. В каждый момент контроллер оценивает возможные действия и выбирает то, которое, по прогнозу, даст наилучший результат согласно функции стоимости. В данном исследовании эта функция стоимости — «мультицелeвая»: она одновременно балансирует несколько задач, таких как удержание тока двигателя в безопасных пределах, стабилизация напряжения питания и снижение потерь мощности в ключевых коммутационных элементах, управляющих двигателем. Ключевое новшество — упрощённая «шаг‑вперёд» модель токов двигателя в особой вращающейся системе координат, связанной с ротором. Это делает предсказания достаточно быстрыми для работы на высоких частотах дискретизации, сохраняя при этом основные физические характеристики производства момента.

Меньше, но умнее решений

Одна из главных проблем модельно‑предиктивного управления в силовой электронике — высокая вычислительная нагрузка. В каждой мелкой временной итерации контроллер в принципе мог бы перебрать все возможные комбинации коммутаций инвертора, питающего двигатель. Авторы снизили эту нагрузку, разработав схему отбора векторов напряжения с четырьмя секторами, которая рассматривает лишь сокращённый набор кандидатных векторов напряжения, выбранных на основе текущей ошибки. Специальный нелинейный член в функции стоимости автоматически исключает варианты, которые привели бы к превышению допустимого пикового тока, так что контроллер не допускает серьёзного «перегруза» двигателя. Одновременно в целевую функцию встроена мера энергии в стиле Ляпунова, что математически гарантирует убывание некоторой энергетической величины системы со временем, создавая твёрдую основу для устойчивости.

Учет реальных изменений и неисправностей

Предложенный контроллер также спроектирован с практическими требованиями электромобилей. Он регулирует напряжение на шине постоянного тока — внутреннем силовом шинопроводе, питающем инвертор — что позволяет реагировать на внезапные изменения крутящего момента или уклона дороги без потери управления. Вместо физического датчика скорости, который увеличивает стоимость и сложность, схема использует информацию, основанную на токах, и компактную схему с конденсатором. Через подробные моделирования в MATLAB/Simulink авторы проверили экстремальные случаи, когда сопротивление и индуктивность двигателя намеренно варьируются в диапазоне 50–150% от их номинальных значений, имитируя нагрев, старение и магнитную насыщенность. Даже в этих жёстких условиях токи двигателя остаются близкими к требуемым значениям, момент быстро стабилизируется после возмущений, а напряжение остаётся практически постоянным.

Что эти результаты значат для водителей

Проще говоря, работа показывает, как тщательно спроектированный «мыслящий» контроллер может поддерживать работу электромотора автомобиля плавной и эффективной, даже когда автомобиль встречает подъёмы, резкие ускорения и долгосрочный износ. Предсказывая поведение двигателя и одновременно учитывая несколько целей — плавность момента, безопасные токи и низкие коммутационные потери — предложенная схема уменьшает пульсации тока, удерживает общие искажения ниже 5% и сокращает лишние переключения. Такое сочетание обещает более тихую работу, лучшую энергетическую отдачу и большую надёжность в течение срока службы автомобиля. Хотя исследование выполнено в виде моделирования, оно создаёт прочную основу для будущих экспериментов в реальных электромобилях, где такой интеллектуальный контроль может в конечном итоге помочь увеличить запас хода и защитить ценные компоненты батареи и силовой электроники.

Цитирование: Mohapatra, B.K., Sharma, V., Bhowmik, P. et al. An optimal multi-objective control architecture of PMSM drives. Sci Rep 16, 11289 (2026). https://doi.org/10.1038/s41598-026-38815-x

Ключевые слова: электромобили, управление двигателем, предиктивное управление, двигатель с постоянными магнитами, энергетическая эффективность